深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
4341	2025-03-16	Single-cell transcriptome-wide Mendelian randomization and colocalization reveals immune-mediated regulatory mechanisms and drug targets for COVID-19 2025-Mar, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105596 PMID:39933264	研究论文	本研究通过单细胞转录组范围的孟德尔随机化和共定位分析，揭示了COVID-19的免疫介导调控机制，并确定了潜在的药物靶点	首次在14种外周血免疫细胞中使用26,597个单细胞表达数量性状位点（sc-eQTL）进行孟德尔随机化和共定位分析，发现了58个之前未报告的基因	研究依赖于GWAS元分析数据，可能存在样本选择和统计偏差	揭示COVID-19的免疫介导调控机制并确定潜在的药物靶点	14种外周血免疫细胞中的16,597个基因	生物信息学	COVID-19	孟德尔随机化（MR）、共定位分析、深度学习模型	深度学习模型	单细胞转录组数据	26,597个单细胞表达数量性状位点（sc-eQTL）
4342	2025-03-16	Assessing Image Quality in Multiplexed Sensitivity-Encoding Diffusion-Weighted Imaging with Deep Learning-Based Reconstruction in Bladder MRI 2025-Feb-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050595 PMID:40075842	研究论文	本研究比较了传统多路复用灵敏度编码扩散加权成像（MUSE-DWI）与深度学习MUSE-DWI在膀胱MRI中的图像质量，并应用了供应商特定的深度学习（DL）重建技术	首次将基于CNN的深度学习算法应用于MUSE-DWI，显著提高了图像质量，特别是在病变清晰度和信号质量方面	研究为回顾性研究，样本量较小（57例患者），且仅针对膀胱肿块，可能限制了结果的普遍性	评估深度学习重建技术在膀胱MRI中的图像质量	57例膀胱肿块患者	医学影像	膀胱癌	多路复用灵敏度编码扩散加权成像（MUSE-DWI）	CNN	MRI图像	57例膀胱肿块患者
4343	2025-03-16	Automatic Detection of Radiographic Alveolar Bone Loss in Bitewing and Periapical Intraoral Radiographs Using Deep Learning Technology: A Preliminary Evaluation 2025-Feb-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050576 PMID:40075823	研究论文	本研究评估了使用深度学习技术（Denti.AI）在口腔内X光片中自动检测放射学牙槽骨丢失（RBL）的诊断准确性	利用FDA批准的Denti.AI软件，通过卷积神经网络（CNNs）提高RBL检测的准确性，支持临床决策	尽管在根尖片上的表现稳健，但在咬翼片上的准确性有待进一步优化	评估Denti.AI在口腔内X光片中检测RBL的诊断准确性	39张口腔内X光片（22张根尖片和17张咬翼片），覆盖316个牙齿表面	数字病理	牙周病	深度学习	CNN	图像	39张口腔内X光片（22张根尖片和17张咬翼片），覆盖316个牙齿表面
4344	2025-03-16	Enhanced Multi-Class Breast Cancer Classification from Whole-Slide Histopathology Images Using a Proposed Deep Learning Model 2025-Feb-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050582 PMID:40075829	研究论文	本文提出了一种基于DenseNet121的深度学习模型，用于乳腺癌的检测和多类别分类	提出的模型在二分类和多分类任务中均达到了最先进的性能，特别是在区分良性和恶性肿瘤以及分类特定恶性肿瘤亚型方面表现优异	NA	提高乳腺癌从组织学照片中的准确分类，以辅助诊断和有效治疗计划	乳腺癌	数字病理学	乳腺癌	深度学习	DenseNet121	图像	使用BreakHis数据集中的全切片组织病理学图像
4345	2025-03-16	Machine Learning Methods for Classifying Multiple Sclerosis and Alzheimer's Disease Using Genomic Data 2025-Feb-27, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26052085 PMID:40076709	研究论文	本研究利用机器学习方法分析英国生物银行的基因组数据，旨在预测多发性硬化症和阿尔茨海默病等复杂疾病的基因组易感性	通过比较逻辑回归、集成树方法和深度学习模型，发现逻辑回归在数据子集上表现出色，且机器学习方法在存在连锁不平衡的基因组特征下仍能保持最佳性能	深度学习模型在不同数据子集上表现不稳定，且多基因风险评分（PRS）的表现仅处于平均水平	预测复杂疾病的基因组易感性	多发性硬化症和阿尔茨海默病	机器学习	多发性硬化症, 阿尔茨海默病	基因组数据分析	逻辑回归, 集成树方法, 深度学习	基因组数据	英国生物银行的数据集
4346	2025-03-16	Integration of Hyperspectral Imaging and Deep Learning for Discrimination of Fumigated Lilies and Prediction of Quality Indicator Contents 2025-Feb-27, Foods (Basel, Switzerland) DOI:10.3390/foods14050825 PMID:40077527	研究论文	本文结合高光谱成像和深度学习技术，用于快速预测百合的营养质量，并区分硫磺熏蒸模式	首次将CLSTM模型与高光谱成像结合，用于百合营养质量的快速预测和硫磺熏蒸模式的区分	未提及样本量的具体数量，可能影响模型的泛化能力	提高百合产品的质量评估和营养完整性	百合	计算机视觉	NA	高光谱成像	CLSTM (卷积神经网络-长短期记忆网络)	图像	未提及具体数量
4347	2025-03-16	HeartEnsembleNet: An Innovative Hybrid Ensemble Learning Approach for Cardiovascular Risk Prediction 2025-Feb-26, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13050507 PMID:40077069	研究论文	本文提出了一种名为HeartEnsembleNet的新型混合集成学习模型，用于心血管疾病风险预测，并在70,000名心脏病患者的数据集上进行了评估	提出了一种新的混合集成学习模型HeartEnsembleNet，结合了多种机器学习分类器，显著提高了心血管疾病风险预测的准确性	未提及模型的泛化能力及在其他数据集上的表现	提高心血管疾病风险预测的准确性	70,000名心脏病患者	机器学习	心血管疾病	集成学习	HeartEnsembleNet, SVM, GB, DT, LR, KNN, RF, HRFLM	临床数据	70,000名心脏病患者
4348	2025-03-16	Breast Cancer Detection via Multi-Tiered Self-Contrastive Learning in Microwave Radiometric Imaging 2025-Feb-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050549 PMID:40075796	研究论文	本文提出了一种名为J-MWR的分层自对比模型，用于分析微波辐射成像（MWR）数据，以提高乳腺癌的早期和准确检测	J-MWR模型通过比较个体内部两个乳房相应子区域的温度变化，而非跨样本比较，来检测可能指示潜在问题的细微热异常	NA	提高乳腺癌的早期和准确检测	乳腺癌患者	数字病理学	乳腺癌	微波辐射成像（MWR）	分层自对比模型（J-MWR）	温度数据	4932名患者
4349	2025-03-16	An Integrated Deep Learning Model with EfficientNet and ResNet for Accurate Multi-Class Skin Disease Classification 2025-Feb-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050551 PMID:40075797	研究论文	本文提出了一种结合EfficientNet和ResNet的深度学习模型，用于准确的多类皮肤疾病分类	创新点在于融合了三种卷积神经网络（EfficientNet-B0、EfficientNet-B2和ResNet50），通过独立分支操作提取详细特征，并通过融合机制进行特征传递和降维	未提及具体局限性	研究目标是创建一个融合级深度学习模型，以提高皮肤疾病分类的稳定性和性能	研究对象为皮肤疾病图像数据，包括白血病、早期皮肤癌、良性肿瘤和其他皮肤疾病	计算机视觉	皮肤癌	深度学习	CNN（EfficientNet-B0、EfficientNet-B2、ResNet50）	图像	27,153张图像，来自Kaggle皮肤疾病图像数据集，分为训练集（80%）、验证集（10%）和测试集（10%）
4350	2025-03-16	Detection of Gallbladder Disease Types Using a Feature Engineering-Based Developed CBIR System 2025-Feb-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050552 PMID:40075799	研究论文	本文介绍了一种基于特征工程开发的内容基于图像检索（CBIR）系统，用于早期检测和诊断胆囊疾病	提出的CBIR模型结合了三种不同预训练架构的特征提取，并在六种不同模型中取得了成功的结果，AP值达到0.94	研究未提及样本的具体数量及多样性，可能影响模型的泛化能力	开发一种能够早期检测和诊断胆囊疾病的AI系统	胆囊疾病	计算机视觉	胆囊疾病	内容基于图像检索（CBIR）	卷积神经网络（CNN）	图像	NA
4351	2025-03-16	SADASNet: A Selective and Adaptive Deep Architecture Search Network with Hyperparameter Optimization for Robust Skin Cancer Classification 2025-Feb-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050541 PMID:40075789	研究论文	本文提出了一种基于元启发式优化的深度学习方法SADASNet，用于多类皮肤癌分类，旨在提高诊断准确性并降低计算复杂度	SADASNet方法结合了粒子群优化技术，创新性地解决了超参数优化问题，并应用了数据增强技术以克服类别不平衡问题	NA	提高皮肤癌分类的准确性并降低计算复杂度	皮肤癌	计算机视觉	皮肤癌	粒子群优化（PSO）	SADASNet	图像	HAM10000数据集
4352	2025-03-16	A Multi-Agent and Attention-Aware Enhanced CNN-BiLSTM Model for Human Activity Recognition for Enhanced Disability Assistance 2025-Feb-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050537 PMID:40075785	研究论文	本文提出了一种新颖的三阶段特征集成策略，结合深度学习和机器学习，用于准确自动分类人类活动识别，以增强残疾辅助技术	通过增强最先进的卷积神经网络（CNN）和双向长短期记忆（BiLSTM）模型，结合选择性机器学习分类器和注意力机制，开发了一种独特的活动检测方法	NA	增强残疾辅助技术，包括跌倒检测、康复进度跟踪和个性化运动模式分析	人类活动识别	机器学习	残疾	深度学习（DL）和机器学习（ML）	CNN, BiLSTM, Attention-CNN-BiLSTM	活动数据	公开可用的数据集（UCI-HAR数据集和WISDM）
4353	2025-03-16	Noncoding variants and sulcal patterns in congenital heart disease: Machine learning to predict functional impact 2025-Feb-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111707 PMID:39877905	研究论文	本研究利用深度学习模型探讨了非编码变异（ncDNVs）对先天性心脏病（CHD）患者脑沟模式的影响	首次将深度学习模型应用于预测非编码变异对基因调控信号的影响，并探讨其与CHD患者脑沟模式的关系	研究样本仅限于CHD患者，未涵盖其他类型的神经发育障碍	探讨非编码变异在先天性心脏病患者脑发育中的作用	先天性心脏病患者及其脑沟模式	机器学习	先天性心脏病	深度学习	深度学习模型	基因数据和脑影像数据	CHD患者及无CHD对照组的联合队列
4354	2025-02-24	Increasing angular sampling for dedicated cardiac single photon emission computed tomography scanner: Implementation with deep learning and validation with human data 2025-Feb-20, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102168 PMID:39986346	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4355	2025-03-16	Construction and preliminary trial test of a decision-making app for pre-hospital damage control resuscitation 2025-Feb-18, Chinese journal of traumatology = Zhonghua chuang shang za zhi DOI:10.1016/j.cjtee.2024.11.001 PMID:40087116	研究论文	本研究构建了一个用于严重受伤患者院前损伤控制复苏（PHDCR）的决策应用程序，并对其有效性和可用性进行了初步试验测试	结合了三种文本分割算法（基于词典的分割、基于标签的机器学习算法和基于理解的深度学习算法）来构建决策应用程序，并首次在动物模型上测试其效果	样本量较小，仅包括16名医学生和12只成年巴马小型猪，且仅在动物模型上进行测试，未涉及人类临床试验	构建并测试一个用于院前损伤控制复苏的决策应用程序的有效性和可用性	严重受伤患者的院前损伤控制复苏	自然语言处理	创伤	文本分割算法（基于词典的分割、基于标签的机器学习算法和基于理解的深度学习算法）	深度学习算法	文本	16名医学生和12只成年巴马小型猪
4356	2025-03-16	Predicting RNA structure and dynamics with deep learning and solution scattering 2025-Feb-04, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.12.024 PMID:39722452	研究论文	本文介绍了一种名为SCOPER的解决方案，用于预测RNA在溶液中的结构和动力学，通过整合基于运动学的构象采样和创新的深度学习模型IonNet，显著提高了SAXS轮廓拟合的质量	引入了SCOPER管道，结合了运动学构象采样和深度学习模型IonNet，专门用于预测Mg离子结合位点，从而解决了RNA结构预测中的离子缺失和构象可塑性问题	需要初始足够准确的结构作为输入，且对实验SAXS数据的过拟合风险需要谨慎调整可塑性和离子密度	提高RNA在溶液中结构和动力学的预测准确性	RNA分子	机器学习	NA	小角X射线散射（SAXS）	深度学习模型IonNet	实验SAXS数据	14个实验数据集
4357	2025-03-16	Short-Term Associations Between Ambient Ozone and Acute Myocardial Infarction Onset Among Younger Patients: Results From the VIRGO Study 2025-Feb, GeoHealth IF:4.3Q1 DOI:10.1029/2024GH001234 PMID:39968338	研究论文	本研究探讨了环境臭氧（O）与年轻患者急性心肌梗死（AMI）发作之间的短期关联，并分析了不同AMI亚型和患者特征的差异	首次在年轻患者中探讨了环境臭氧与急性心肌梗死发作的短期关联，并揭示了不同AMI亚型和种族/民族之间的差异	研究仅基于美国医院的数据，可能无法推广到其他地区	研究环境臭氧与年轻患者急性心肌梗死发作的短期关联	18-55岁的急性心肌梗死患者	环境健康	心血管疾病	时空深度学习	条件逻辑回归	环境数据和医疗数据	2,322名AMI患者，来自103家美国医院
4358	2025-03-16	A deep learning method for predicting interactions for intrinsically disordered regions of proteins 2025-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.19.629373 PMID:39763873	研究论文	本文介绍了一种名为Disobind的深度学习方法，用于预测蛋白质内在无序区域（IDRs）与伴侣蛋白之间的相互作用	Disobind方法在预测IDR结合位点时考虑了结合伴侣的上下文，并且不依赖于结构和多序列比对，显著优于现有的AlphaFold-multimer和AlphaFold3方法	尽管Disobind在预测IDR结合位点方面表现出色，但其性能仍需在更多实验数据上进一步验证	开发一种深度学习方法，用于预测蛋白质内在无序区域（IDRs）与伴侣蛋白之间的相互作用	蛋白质内在无序区域（IDRs）及其伴侣蛋白	机器学习	NA	深度学习	NA	蛋白质序列	NA
4359	2025-03-16	Deep learning-based anterior segment identification and parameter assessment of primary angle closure disease in ultrasound biomicroscopy images 2025-Jan-20, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2023-001600 PMID:39837590	研究论文	本文开发了一种基于深度学习的人工智能算法，用于自动识别超声生物显微镜（UBM）图像中的前段结构并评估原发性闭角型青光眼（PACD）的多个参数	开发了一种基于深度学习的多组织分割模型，用于自动识别前段结构并定位巩膜突，实现了对PACD相关参数的自动测量	模型仅在两个中心的45名患者的222张UBM图像上进行了验证，样本量相对较小	开发一种人工智能算法，用于自动识别UBM图像中的前段结构并评估PACD的多个参数	UBM图像中的前段结构，包括角膜、虹膜和睫状体，以及巩膜突的定位	计算机视觉	青光眼	超声生物显微镜（UBM）	深度学习模型	图像	592名患者的2339张UBM图像用于算法开发，45名患者的222张UBM图像用于模型验证
4360	2025-03-16	Deep Learning-Assisted Label-Free Parallel Cell Sorting with Digital Microfluidics 2025-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408353 PMID:39497614	研究论文	本文介绍了一种新型的无标记细胞分选方法，结合深度学习图像识别和微流体操作，基于细胞形态进行分选	该方法首次将YOLOv8目标检测模型与Safe Interval Path Planning算法结合，用于数字微流控平台上的细胞分选，实现了高精度和高纯度的分选效果	实验样本仅限于HeLa细胞、聚苯乙烯微球、红细胞、Jurkat细胞和HL-60细胞，未涉及更广泛的细胞类型	开发一种高效、无标记的细胞分选技术，以推动细胞生物学的基础研究和临床应用	HeLa细胞、聚苯乙烯微球、红细胞、Jurkat细胞和HL-60细胞	数字病理学	NA	数字微流控技术（AM-DMF）	YOLOv8	图像	HeLa细胞、聚苯乙烯微球、红细胞、Jurkat细胞和HL-60细胞